我是python的新手，并尝试在具有100个实例和9列的iris.csv数据集上进行多分类 . 我收到此错误并搜索此错误并应用解决方案但对我没有任何作用..请帮助
回溯（最近一次调用最后一次）：文件“iris.py”，第48行，在model.fit中（X，dummy_y，epochs = 200，batch_size = 5）文件“C：\ Users \ HP \ Anaconda2 \ lib \ site -packages \ keras \ models.py“，第871行，在fit initial_epoch = initial_epoch中）文件”C：\ Users \ HP \ Anaconda2 \ lib \ site-packages \ keras \ engine \ training.py“，第1525行，in fit batch_size = batch_size）文件“C：\ Users \ HP \ Anaconda2 \ lib \ site-packages \ keras \ engine \ training.py”，第1383行，_standardize_user_data exception_prefix ='target'）文件“C：\ Users \ HP \ Anaconda2 \ lib \ site-packages \ keras \ engine \ training.py“，第144行，_standardize_input_data str（array.shape））ValueError：检查目标时出错：期望dense_2有形状（None，1）但是得到了数组形状（100L，3L）
这是我的代码
import numpy
import pandas
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
from sklearn.cross_validation import cross_val_score, KFold
from sklearn.preprocessing import LabelEncoder
from sklearn.pipeline import Pipeline
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load dataset
dataframe = pandas.read_csv("iris.csv", header=None)
dataset = dataframe.values
X = dataset[:,0:8].astype(float)
Y = dataset[:,8]
print(X)
print(Y)
#encode class values as integers
encoder = LabelEncoder()
encoder.fit(Y)
encoded_Y = encoder.transform(Y)
# convert integers to dummy variables (hot encoded)
dummy_y = np_utils.to_categorical(encoded_Y)
print(dummy_y)
# create model
model = Sequential()
model.add(Dense(8, input_dim=8, activation='relu'))
model.add(Dense(3, activation='sigmoid'))
# Compile model
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
#model.fit
model.fit(X, dummy_y, epochs=200, batch_size=5)
#print("Accuracy: %.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100))
1 回答
Solution 1: 将损失函数更改为
categorical_crossentropy.Solution 2: 使用
encoded_Y训练您的模型 .sparse_categorical_crossentropy不需要热编码标签 .